La qualité du processus de souscription est essentielle au succès des activités de prêt. L'automatisation complète du processus avec un modèle d'apprentissage automatique qui prend une décision a considérablement amélioré la qualité du portefeuille de prêts et augmenté la vitesse de prise de décision. Nous avons développé un modèle pour prédire les événements de défaut de paiement des emprunteurs. Le modèle s’est révélé supérieur aux performances humaines et a amélioré la santé du portefeuille de prêts. Cela a également permis à l'emprunteur de vivre une expérience positive grâce à des décisions rapides concernant sa demande de prêt.
Comment l'intelligence artificielle peut aider à la notation de crédit | IA de notation de crédit
Technologie
Apprentissage automatique de base
Industrie
Finance
Industries potentielles
Finance, Banque, Assurance
Client
Société de prêt aux PME
Résumé
Défi
Le client, un intégrateur de systèmes exécutant des projets gouvernementaux, avait besoin d'un système d'analyse du trafic routier capable d'identifier différentes entités routières (voitures, piétons, vélos, etc.), de les suivre et d'effectuer des analyses plus approfondies, par exemple, identifier le type, le modèle et le type de voiture. marque, couleur et autres. Le principal défi consistait à créer un système de science des données robuste, facilement transférable entre différents types de caméras et points de vue, ainsi que fonctionnant dans différents environnements.
Solution par AI Superior
Le système que nous avons développé comprend plusieurs composants analytiques :
- Détection d'entités routières (voitures, piétons, vélos, camions, bus, motos)
- Suivi d'objet
- Estimation de la vitesse d'une voiture
- Reconnaissance des couleurs des voitures
- Reconnaissance du type, de la marque et du modèle de voiture (plus de 7 000 modèles uniques)
- Reconnaissance et validation de plaque d'immatriculation
- Analyse de l'intensité du trafic
- Détection d'anomalie (ex. : un piéton sur une autoroute)
- Analyse du stationnement illégal
Les composants ont été développés sous forme de modules indépendants permettant une personnalisation de l'ensemble du système. Les caractéristiques uniques du système sont :
- Capacité à détecter et classer des objets partiellement obstrués
- Identifier l'année de production du modèle de voiture
- Prend en charge la reconnaissance des véhicules utilitaires
- Il peut être ajusté à différents environnements de circulation
- Permet d'être mis à jour avec de nouveaux modèles de voitures
- Permet plus de fonctionnalités, par exemple un suivi avancé ou une détection d'événements
Résultat et implications
Le système de science des données a été déployé par la municipalité d'une ville et fonctionne avec succès 24h/24 et 7j/7, couvrant des centaines de caméras.